О современных методах обучения LLM’ок с подкреплением — Павел Термичев

Вспомнили базу и познакомились с самыми свежими работами в области LLM. Поговорили об алгоритмических особенностях обучения в режиме off-policy. Рассказали о наших экспериментах, идеях и выводах. В завершении доклада обсудили открытые вопросы обучения языковых моделей